Solr字段類型的定義和屬性

Solr 字段類型定義在對文檔進(jìn)行索引或向索引發(fā)送查詢時(shí)將在字段上發(fā)生的分析。

字段類型定義可以包括以下四種類型的信息：

• 字段類型的名稱（必填）。
• 一個(gè)實(shí)現(xiàn)類的名字（必填）。
• 如果一個(gè)字段的類型是 TextField，則為字段類型的字段分析說明。
• 字段類型屬性取決于實(shí)現(xiàn)類，一些屬性可能是強(qiáng)制性的。

schema.xml 中的字段類型定義

字段類型在 schema.xml 中定義。每個(gè)字段類型在 fieldType 元素之間定義。他們可以有選擇地分組在一個(gè) types 元素中。下面是一個(gè)名為 text_general 類型的字段類型定義的示例：

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100"> 
  <analyzer type="index"> 
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
    <!-- in this example, we will only use synonyms at query time
    <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false"/>
    -->
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
    <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

關(guān)于上述代碼的提示信息：

1. 上述實(shí)例的第一行包含字段類型名稱、text_general 和實(shí)現(xiàn)類的名稱 solr.TextField。
   
2. 定義的其余部分是關(guān)于字段分析，在理解分析器、分詞和過濾器中描述。
   

實(shí)現(xiàn)類負(fù)責(zé)確保字段被正確處理。在 schema.xml 類名中，字符串 solr 是 org.apache.solr.schema 或者 org.apache.solr.analysis 的簡寫形式。所以，solr.TextField 是真的 org.apache.solr.schema.TextField。

字段類型屬性

字段類型 class 決定了字段類型的大部分行為，但也可以定義可選的屬性。例如，date 字段類型的以下定義就定義了兩個(gè)屬性，sortMissingLast 和 omitNorms。

<fieldType name="date" class="solr.DatePointField"
           sortMissingLast="true" omitNorms="true"/>

可以為給定字段類型指定的屬性分為三個(gè)主要類別：

• 特定于字段類型的類的屬性。
• 常規(guī)屬性 Solr 支持任何字段類型。
• 字段默認(rèn)屬性可以在字段類型上指定，這些字段將由使用此類型而不是默認(rèn)行為的字段繼承。

字段的一般屬性

這些是字段的一般屬性：

name

fieldType 的名稱。該值用于字段定義中的“類型”屬性中。強(qiáng)烈建議名稱僅包含字母數(shù)字或下劃線字符，不能以數(shù)字開頭。目前這不是嚴(yán)格執(zhí)行的。

class

用于存儲(chǔ)和索引此類型數(shù)據(jù)的類名。請注意，您可以用 “solr” 作為前綴包含的類名稱。Solr 會(huì)自動(dòng)找出哪些軟件包可以搜索這個(gè)類，這樣solr.TextField就可以工作了。

如果您使用的是第三方類，則可能需要具有完全限定的類名稱。solr.TextField是的完全限定等效項(xiàng)是org.apache.solr.schema.TextField。

positionIncrementGap

對于多值字段，指定多個(gè)值之間的距離，這可以防止虛假詞組匹配。

autoGeneratePhraseQueries

對于文本字段。如果為true，Solr 將自動(dòng)生成相鄰詞語的短語查詢。如果為false，則術(shù)語必須用雙引號括起來以作為短語處理。

enableGraphQueries

對于文本字段，查詢時(shí)使用sow=false（這是sow參數(shù)的默認(rèn)值）。對具有查詢分析器的字段類型使用 true (默認(rèn)值)，包括具有圖形感知的篩選器，例如同義詞圖形過濾器和字符分隔符圖形過濾器。

對于既有查詢分析器使用的字段類型，使用 false 包括在缺少某些標(biāo)記 (例如，Shingle Filter) 時(shí)可以匹配文檔的篩選器。

docValuesFormat

定義用于此類型的字段的自定義 DocValuesFormat。這要求具有架構(gòu)感知的編解碼器（例如，SchemaCodecFactory 已在 solrconfig.xml 中配置）。

postingsFormat

定義用于此類型的字段的自定義 PostingsFormat。這要求具有架構(gòu)感知的編解碼器（例如，SchemaCodecFactory 已在 solrconfig.xml 中配置）。

Tip：只有默認(rèn)編解碼器支持 Lucene 索引反向兼容。如果您選擇在 schema.xml 中自定義 postingsFormat 或 docValuesFormat，則升級到未來版本的 Solr 可能會(huì)要求您切換回默認(rèn)編解碼器，并在升級之前優(yōu)化索引以將其重寫為默認(rèn)編解碼器，或升級后從頭開始重新構(gòu)建整個(gè)索引。

字段默認(rèn)屬性

這些屬性可以在字段類型中指定，也可以在單個(gè)字段中指定，以覆蓋字段類型提供的值。

每個(gè)屬性的默認(rèn)值取決于底層的 FieldType 類，這又可能取決于的  <schema/> 的 version 屬性。下面的表格包含了 FieldTypeSolr 提供的大多數(shù)實(shí)現(xiàn)的默認(rèn)值，假設(shè) schema.xml 聲明 version="1.6"。

字段類型相似性

字段類型可以選擇指定一個(gè) <similarity/>，在對引用此類型的字段進(jìn)行評分的文檔時(shí)將使用它，只要集合的 "全局" 相似性允許這樣做。

默認(rèn)情況下，任何沒有定義相似性的字段類型都會(huì)使用 BM25Similarity。有關(guān)更多詳細(xì)信息以及配置全局和每類相似性的示例，請參閱其他架構(gòu)元素。